02“小家子氣”的AI，還未打通任督二脈

格靈深瞳在具有超高毛利率的同時，背后的卻是總體業(yè)務量太小。

考慮到格靈深瞳不如商湯、曠世、云從、依圖的聲名在外，但就算與同樣不為人知的創(chuàng)新奇智相比，無論是增速還是營業(yè)體量都比不過。

格靈深瞳2021年營收2．7－3．1億元，yoy為11．2％－27．7％。

創(chuàng)新奇智在2021前九個月的營收為5．53億元，yoy為86．6％。

這種增速與一級市場大佬們的預期有點不相符，畢竟想實現(xiàn)1000億美金的估值，按AI公司平均20倍左右P／S的估值，至少也得50億美金的營收。

結(jié)合格靈深瞳的業(yè)務與發(fā)展，我們認為，格靈深瞳目前出現(xiàn)低營收＋低增長的原因主要歸結(jié)于三點。 首先技術(shù)落地場景過于局限。

格靈深瞳的技術(shù)落地主要依靠安裝攝像頭，主要應用領域為安防，在功能實現(xiàn)上為代替人工檢視居多。對標同樣是以安防為主業(yè)的�？低�視，�？到Y(jié)合自身安防攝像頭的優(yōu)勢，積極開發(fā)工業(yè)園區(qū)智能巡檢車和能夠聽聲報警的監(jiān)控功能。

而格靈深瞳在對應拓展“智慧金融”的業(yè)務中，僅表明主要用途為場景內(nèi)的合規(guī)性監(jiān)控。這意味著僅能在類似于ATM機前判斷是否有多個人辦理業(yè)務。機器視覺僅用在監(jiān)控攝像的場景中，可謂是大材小用。 第二，格靈深瞳的業(yè)務開拓能力差。

在智慧金融領域，2018－2020年，格靈深瞳的直接客戶僅為農(nóng)業(yè)銀行。于2021年與建設銀行建立合作。但歷年數(shù)據(jù)體現(xiàn)，來自農(nóng)業(yè)銀行的收入分別為468．68萬元、2373．97萬元、4697．09萬元和1702萬元，合計占智慧金融領域所有客戶總收入的71％。

另一個值得重視的是，格靈深瞳在農(nóng)業(yè)銀行的安防設備合作已在2021年下旬到期。這意味著，盡管已完成了前期項目的合作，并且在積極準備后期投標，但仍存在不能順利續(xù)期的風險。

圖：智慧金融2021H1的客戶情況  來源：招股書 第三，結(jié)合上述兩點，格靈深瞳的業(yè)務沒有能夠構(gòu)建正反饋。

一方面來講，產(chǎn)品功能單一這使得客戶在選擇格靈深瞳產(chǎn)品時會倍加謹慎，無法順利的開拓客戶獲取數(shù)據(jù)，這又會影響研發(fā)的目的性和效率，兩者疊加之下使公司無法取得高速的業(yè)績增長。 若不改變運營策略，格靈深瞳會陷入負反饋。對于此時此刻的格靈深瞳，我們不禁想探尋一個更本質(zhì)的問題，為什么它偏離資本的預期那么遠？

03不能落地的技術(shù)不是好技術(shù)  

故事的最初，徐小平、沈南鵬、馮波對格靈深瞳有如此高的估值預期，其實并不讓人意外，格靈深瞳的確有底氣。只因為創(chuàng)始人趙勇是Google Glass 的七位設計者之一，其擁有開宗立派的技術(shù)底氣：三維成像技術(shù)。

那么三維成像技術(shù)究竟牛在什么地方？

在機器視覺系統(tǒng)中的流程為：

首先照明光源發(fā)出的光照射在被測物體上，再通過相機捕獲圖像，然后由圖像采集卡收集并經(jīng)計算機存儲，最后再進行一系列后期處理。但這種僅僅獲取一張2D圖像技術(shù)并不能像人眼一樣精確了解物體距離、位置關(guān)系等更多信息。

于是便誕生了三維成像技術(shù)，這也正是格靈深瞳引以為豪的地方，其目前采用的三維成像技術(shù)分支是結(jié)構(gòu)光（雙光溫測識別設備）和立體成像（皓母行為分析儀）。前者在iphone上用來做人臉識別，后者類似模擬人類的雙目視覺。  

圖片：機器視覺實現(xiàn)原理  來源：網(wǎng)絡

圖片：格靈深瞳圖像采集設備一覽  來源：公司官網(wǎng)

Google Glass的產(chǎn)品設計上，三維成像技術(shù)是為了服務于SLAM（同步定位與建圖）技術(shù)的，而自動駕駛是建立在SLAM技術(shù)的基礎之上：小到做掃地機器人科沃斯，市值最高時1450億元；大到自動駕駛電動車公司特斯拉，市值一度1．3萬億美金。

格靈深瞳如果把技術(shù)的想象力落到實地，那可真的了不得，但天不遂人意。

Google Glass雖然是一步到位的完成視覺信息收集，但落地難度很大。需要算法難度很高，同時對傳感器的精度要求也很高。在AI剛剛興起的2014年，算法的不成熟外加高精密傳感器的成本，把格靈深瞳的技術(shù)優(yōu)勢“鎖在”技術(shù)儲備階段，無法從實驗室里面出來。 這種空有一身武藝，讓市場認為格靈深瞳擁有巨大的營收預期，而忽略實際落地中出現(xiàn)的種種問題。

諸如在圖書館里把風吹動的窗簾識別是人。把背著包的人識別是兩個人。在廣場上因為光照太強而算法失效。 而彼時的商湯、曠視等公司大多選擇用打標注、灌算法的模式逐漸讓計算機學會識別人臉。方式雖然笨點，但好在除了工作量巨大之外，方案的推進落地還算有條不紊。并且技術(shù)隨著方案落地，逐漸掌握核心算法技術(shù)，優(yōu)化實現(xiàn)效果與配置之間的能效比之后，并不比三維成像技術(shù)差。

也就是這段時間，格靈深瞳被困在“高級算法”的閉門造車中。錯過了商業(yè)變現(xiàn)的時機，也錯過了自動駕駛的風口。雖然在之后的2016年開始轉(zhuǎn)向以商業(yè)變現(xiàn)為優(yōu)先的研發(fā)，但業(yè)務也回歸到類似于識別車牌號去了。 AI公司的良性業(yè)務循環(huán)應當是：AI公司攻略前沿的算法技術(shù)，把算法在技術(shù)難度高的場景落地實施，從而獲取數(shù)據(jù)，最終再度用來攻克前沿算法，無差別的去賦能所有行業(yè)。

能否跟上時代潮流和開發(fā)新算法，決定了AI公司能夠持續(xù)站在舞臺之上。格靈深瞳早期技術(shù)與落地脫節(jié)，導致為了活下來在技術(shù)門檻不高的場景里打轉(zhuǎn)。  和其他AI公司一樣，格靈深瞳同樣是超高的研發(fā)收入比，上市募資去研究新技術(shù)和開發(fā)新平臺，確實是很有必要。但更為緊迫的是，格靈深瞳客戶集中度高，且前五大多為終端用戶（一般AI公司客戶集中度高是因為把產(chǎn)品賣給集成商），應該考慮開拓更多技術(shù)落地場景。 要不然，咱還是先抓緊找客戶去吧。

       原文標題 : 徐小平與沈南鵬的AI夢，悄悄照進A股